扩散模型预测物理轨迹能量偏差巨大，神经网络难以学习守恒量

Exact Linear Attention 通过核函数精确分解实现线性复杂度无近似注意力

QAM算法借助伴随匹配实现连续动作强化学习策略优化

自适应残差更新引导法低开销缓解大视觉语言模型幻觉

Motif-Video 2B技术报告：用不到10M视频和10万GPU小时实现强文生视频

OmniGUI：首款评估全模态智能手机环境GUI代理的步级基准

阶跃星辰推出音频推理模型 Step-Audio-R1.1

IBM发布Granite Vision 4.1-4B多模态视觉语言模型

Spotify联合ElevenLabs推出有声书创作工具，作者可自由发行

多智能体LLM辩论启用Wald SPRT动态计算调控器

PiKV：面向混合专家模型的并行分布式KV缓存管理系统

Spatial-MLLM：仅用二维输入提升多模态大模型空间智能

LLM基准数据集应具备抗污染能力以保障评估可靠性

HiDe层次解耦纠正高分辨率MLLM的zoom-in认知误区

微调大语言模型用于自动化算法设计

VL-DPO：视觉语言引导微调实现自动驾驶偏好对齐

推理后端对LLM可复现性的量化影响：静默超参数

WARC-Bench发布438项GUI子任务基准，评估多模态AI代理

损失自适应学习率微调防止大语言模型灾难性遗忘

生成式AI交互学习中模型塌缩的发生条件

噪声修正GRPO：从有噪奖励到无偏梯度

SceneSplit越狱攻击：用场景分割绕过文本生成视频模型安全机制

LionMuon交替谱与符号下降降低训练迭代成本

首个针对掩码扩散语言模型的后门攻击方法

MASFactory提出基于有向计算图的LLM多智能体编排框架

字节跳动开源HuMo图像生成视频模型，支持ONNX部署

深度求索发布Janus-Pro-1B：一款任意到任意多模态统一模型

混合光学-数字架构实现可扩展节能深度伪造视频检测

TideGS外存优化实现单GPU训练超十亿3D高斯溅射基元

Wald-SPRT动态调控多智能体LLM辩论轮数

QAM算法：伴随匹配Q学习高效优化连续动作扩散策略

Phantom：联合视觉与潜在物理动力学的物理注入视频生成

MVI-Bench：评估大型视觉语言模型对误导性视觉输入鲁棒性的新基准

Motif-Video 2B：以不足千万片段和十万GPU小时实现强视频生成

AnyAct：从非人类角色视频直接重演可编辑人类动作

首个针对掩码扩散语言模型的后门攻击方法提出

抖音推荐系统实现端到端万级用户行为序列建模

LongLive-2.0 基于 NVFP4 并行架构加速长视频生成全流程

沉默超参数：量化推理后端对大语言模型可重复性的影响

Artifact-Bench：评估多模态大模型对AI视频伪影的检测能力

MaxShapley：生成式搜索公平归因算法推动内容补偿机制

MSAlign：对齐分子与质谱基础模型提升代谢物鉴定精度

HCLBind提出分层对比学习预测多域蛋白质-配体结合

Artifact-Bench评估多模态大模型对AI视频伪影的检测与判别

合成数据污染下结构化交互学习的模型崩溃条件

LionMuon：交替谱与符号下降实现高效训练

xAI推出Grok Skills与OpenClaw集成，支持文档生成和工作流自动化

场景-动作提示融合框架实现连贯文本到视频故事生成

损失自适应学习率微调方法防止大模型灾难性遗忘

小米EV世界模型：融合重建与生成的自动驾驶统一框架